| 1 | Yapay zekanın temel kavramları, tarihsel gelişimi ve temel alt disiplinleri hakkında kapsamlı bilgi kazandırmak. |
| 2 | Veri türleri, veri kalitesi ve etik veri kullanımı (KVKK/GDPR) konularında akademik bir farkındalık kazandırmak. |
| 3 | Makine öğrenmesi süreçlerini ve farklı öğrenme paradigmalarını (denetimli, denetimsiz vb.) ayırt etme becerisi kazandırmak. |
| 4 | Sınıflandırma ve regresyon modellerinin çalışma mantığı ile temel başarı ölçütleri hakkında bilgi kazandırmak. |
| 5 | Karar ağaçları, KNN ve Naive Bayes gibi temel sınıflandırma algoritmalarının teorik temellerini kavratmak. |
| 6 | Destek Vektör Makineleri (SVM) ve regresyon analizlerinin matematiksel ve mantıksal arka planını öğretmek. |
| 7 | Kümeleme algoritmaları ve boyut indirgeme tekniklerinin teorik işleyişi hakkında bilgi kazandırmak. |
| 8 | Yapay sinir ağları ve derin öğrenmenin temel mekanizmaları (yapay nöron, geri yayılım vb.) hakkında teorik yetkinlik kazandırmak. |
| 9 | Bilgisayarlı görü (CNN) ve doğal dil işleme (NLP) gibi özelleşmiş alanların çalışma prensiplerini öğretmek. |
| 10 | Yapay zekanın etik riskleri, güvenliği (XAI) ve toplumsal etkilerini çok boyutlu analiz etme becerisi kazandırmak. |